“物联网”已成为当今信息技术领域最为关注的热点之一,其核心组成——无线传感器网络(Wireless Sensor Networks, WSN)因具有技术理念先进、组网灵活快速、部署方便易行等独特优点,近年来受到全球范围研究者及工业企业界的高度关注。目前,在战场态势监测、反恐应急处置、地质灾害救援、智能交通物流和环境保护监管等诸多领域,WSN已经获得广泛应用。同时,面对不断增长的复杂场景模式和多样化的具体业务需求,也对WSN及其相关技术研究提出了新的挑战。针对目标节点实施定位和跟踪是WSN理论和应用研究中最基本、最关键的重要课题。论文充分调研了国内外学者在相关领域的研究与进展,所做工作及创新成果主要包括四个方面内容。1.为解决传统RSSI(Received Signal Strength Indication)定位法存在的线性截断误差和直接拟合精度的问题,针对室内无线射频信号信道传输模型特性,提出了一种基于有限轮次循环滤波和尺度优化UKF滤波的复合式室内协作定位估计算法。将确定型采样滤波和信息融合理论结合构建了定位参数向量模型,对原始数据进行预处理校正,把定位问题描述为非线性优化近似估计问题,面向信道参数和目标节点位置进行联合估计,并引入噪声估计器抑制滤波发散。仿真实验结果表明,改进的复合式定位算法在处理较大背景噪声下室内节点定位问题时能够更好地提高估值精度、保证收敛、具有更强的鲁棒性。2.针对以往运用粒子滤波解决目标高精度跟踪时存在粒子数量巨大、难于选取的问题,研究了DOA(Time Delay of Arrival)精确定位跟踪技术及其解算方法,提出了一种基于改进粒子滤波的时延差跟踪参数估计算法。依据非线性次优估计原理及目标跟踪理论,构建了时延差跟踪参数向量模型,运用CKF(Cubature Kalman Filter)和G-N(Gauss-Newton)迭代方法相结合设计粒子滤波所需重要性密度函数,融合最新观测信息,使其更加逼近目标真实后验概率密度,提升了滤波效率并减轻了粒子贫化现象。仿真实验结果表明,在粒子数目选取较少情况下,改进算法在处理TDOA目标节点跟踪问题方面可以更好地提高位置估计精度,降低计算复杂度,能够实现对目标的预测和跟踪。3.依据长带状网络对定位性能的特殊需求,研究了网络建模性能参数和节点部署机制,提出了基于跳距修正的节点定位估计算法。根据协作定位理论和网络连通特性建立了参数估计模型,预先考虑相邻节点间连通性差异,综合改进信标节点数据广播机制和每跳加权平均估计策略,并采用梯度下降法对定位估计结果进行了优化修正。仿真实验结果表明,所提算法能够在低计算复杂度的情况下,实现对长带状网络区域节点的快速准确定位。4.面向特定区域目标检测、定位和跟踪等实际应用需求,设计研发了用以实现目标精确定位跟踪技术的便携式小型化原型节点设备,构建了适用于WSN环境的节点定位跟踪系统。使用高精度滤波估计处理算法,完成了对特定区域移动目标的精确跟踪实验。论文研究了室内单一场景到室外混合环境模式,及其具有长距离带状拓扑结构的传感网络。从使用单独的循环滤波修正方法逐步拓展到运用复合型非线性信息融合技术,并应用于构建WSN定位跟踪原型系统,为解决目标节点在不同场景下的定位和跟踪问题提供了多种思路。对于WSN定位跟踪技术在实际工程问题中进一步推广应用,做出了相应的探索与实践。